首页 > 代码库 > Hive 基础入门

Hive 基础入门

Hive的官方网站:

      https://hive.apache.org/

Hive简介:

      Hive 是基于Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射成一张表,并提供类SQL查询功能。

      Hive在企业中作为一种工作,可以很容易的对数据进行ETL。

      Hive可以对各种各样的数据进行一种结构化的查询。(按照一定结构进行查询)。

      Hive 处理的数据都是存在 HDFS 之上,并且能够与 HBase 进行集成。

      分析数据底层的实现都是 MapReduce ,运行都是运行在 yarn 上边。

Hive的用途:  

      数据的查询、数据的管理。

ETL简介 :

      E : 提取数据

      T:转换数据

      L:加载数据

HQL:

      HQL 就是 Hive 查询使用的语句。

Hive本质 :

      就是将 HQL 语句转化为 MapReduce 。

Hive 和 Hadoop 之间的关联:

      都是使用 HDFS 进行数据存储。

      都是使用 yarn 进行资源管理。

      都是使用 MapReduce 进行数据处理。

Hive的执行方式:

      Hive 就是将数据映射成一个关系型数据库(RDBMS)的表。而执行方式就是 SQL 语句。

      执行SQL语句,底层就会自动的将语句翻译为MapReduce程序,提交给 YARN 去执行。

Hive 在 Hadoop 生态系统中的地位:

      技术分享

Hive 的架构:

     技术分享

Hive的优点及使用场景

优点:

  1. 操作接口采用类SQL语法,提供快速开发的能力(简单、容易上手);
  2. 避免了去写MapReduce,减少开发人员的学习成本;
  3. 统一的元数据管理,可与impala/spark等共享元数据;
  4. 易扩展(HDFS+MapReduce:可以扩展集群规模;支持自定义函数

使用场景:

  1. 数据的离线处理;比如:日志分析,海量结构化数据离线分析…
  2. Hive的执行延迟比较高,因此hive常用于数据分析的,对实时性要求不高的场合;
  3. Hive优势在于处理大数据,对于处理小数据没有优势,因为Hive的执行延迟比较高。

 

 

 

Hive 基础入门